糖尿病足溃疡物理维度测量工具和技术的范围综述

赵楠，周秋红，许景灿，叶莹，罗文静，李欣仪

(1.中南大学湘雅医院 临床护理学教研室，湖南 长沙 410008；2.湘雅循证实践与健康创新中心 JBI协作组，湖南 长沙 410008；3.中南大学湘雅医院 糖尿病足防治中心；4.中南大学湘雅医院 护理部)

糖尿病足溃疡(diabetic foot ulcer, DFU)是2型糖尿病最为严重的并发症之一[1]，致死、致残率高，严重影响患者的身心健康和生活质量[2]。医护人员对DFU的准确测量是伤口监测的重要步骤[3]。伤口测量包括伤口物理维度的测量、感染指标以及伤口愈合曲线等多个方面[4]，物理维度测量是指对伤口面积、长度、周长、体积等指标进行测量。世界伤口愈合协会联盟建议从物理维度测量伤口大小[5]，这些数据对于评估患者病情以及制订后续的治疗方案非常重要[6]。范围综述是确定特定主题的文献范围，它可以报告针对该领域的实践并为该实践提供信息的证据类型[7]。目前，国内外DFU物理维度测量工具的发展尚不成熟，因此本研究以范围综述的研究方法为基础，比较国内外DFU物理维度的测量工具和技术的准确度、优势和局限性，以期为临床实践中测量工具的选择和应用提供参考。

1 资料与方法

1.1 检索策略 采取主题词和自由词相结合的方法，计算机检索PubMed、Embase、Cochrane图书馆、中国知网、万方及中国生物医学文献数据库。英文关键词包括:“diabetic foot*、foot、ankle、diabetic Feet、foot Ulcer、instrumentation*、assessment、tools、instruments、devices、equipment、objective clinical measures”；中文关键词包括:“糖尿病足、糖尿病足病、糖尿病足溃疡、足溃疡、测量技术、测量仪、测量设备、评估工具”，检索时间为建库至2020年9月8日。

1.2 文献纳入和排除标准 纳入标准：(1)研究对象为DFU患者；(2)测量工具的结局指标为DFU测量的物理维度指标，如长度、宽度、深度、面积或体积等。排除标准：(1)研究类型为病例报告、综述、动物实验、非临床报告研究；(2)无法获取全文的文献及会议摘要。受试者的年龄、性别、地区和种族不受限制；文献的语言种类不受限制。

1.3 文献筛选和数据分析 2名研究人员按照纳入和排除标准独立筛选了所有纳入研究的标题和摘要；筛选摘要后详细阅读全文，对所纳入文献的研究特征(作者，国家，年份，研究类型，伤口类型，研究工具)、结局指标(研究工具，足溃疡的数量，结构效度和信度)、DFU测量工具介绍(测量原理，优势，局限性)三部分内容进行信息提取和整理；提取完成后2人核对，若结果不一致寻求第3名研究者的协助，进行讨论，直至结果最终达成一致。

2 结果

2.1 文献检索结果 本研究共检索到3077篇文献，其中3075篇文献通过数据库检索获得，2篇文献通过文献追踪法获得；去除重复文献后得到1024篇文献，再经过阅读题目和摘要，阅读全文，排除研究主题、对象不符以及无法获取全文的文献，最终纳入8项研究[8-15]。

2.2 纳入文献的基本特征及不同测量工具的信效度 所纳入的8项研究发表年份为1999-2018年，研究设计类型以对比实验为主，大多数参考标准是椭圆法。目前，面积测量信度最高的为ImageJ软件，在效度方面，仅有一项研究对3种测量仪的效度进行了评估，不同的研究所使用的信效度指标也有所差异。所纳入的文献均未提及到伤口深度的测量，除此之外，部分测量工具缺少敏感性，可靠性等指标(表1)。

表1 纳入研究的基本特征及不同工具的信效度

2.3 不同测量工具的优势及局限性 目前市面上DFU测量仪器种类较多，但测量原理均有所差异，每一款测量仪器都有其优势和局限性(表2)。

表2 不同工具的测量原理、优势以及局限性

3 讨论

3.1 临床尚缺乏便捷且精准的DFU测量工具 伤口测量工具根据是否接触伤口床分为接触式测量工具和非接触式测量工具[6]。接触式测量工具是指直接与伤口床接触进行测量，包括直尺法、媒介物填充法等，共同特点是使用较简单，成本低，但会污染伤口床，同时弯曲部位的创面无法准确的测量，测量过程中直接接触创面也会给患者造成疼痛。非接触式测量工具，包括数字摄影、立体摄影、剪影移动设备、结构光法、类结构光法、多普勒激光扫描方法以及人工智能技术的运用[7]。在测量伤口时无需接触伤口创面，不仅避免了测量过程中伤口的污染，而且测量过程无疼痛，对于伤口测量工具的发展有很大的促进作用，但成本一般较高，操作过程复杂，大多数设备需要对医护人员进行培训，因此在临床上应用较少[8]。目前临床上多使用探针探测伤口的深度，由于绝大多数伤口会形成窦道、瘘管，伤口深度测量一直是伤口测量的难题。

3.2 DFU测量缺乏统一的标准和共识 伤口测量的结果往往会受到操作者的主观影响，很难获得一致的伤口基线数据和愈合程度，因此长期以来DFU的测量并未实现同质化的规范管理[19]。分析其原因主要是因为目前国内外缺乏伤口测量的统一标准和共识，导致不同医院之间缺乏协同；准确估计DFU的大小是临床医生监测DFU的治疗是否有效的重要标准[20]。在伤口参数的测量中，可以以多种方式测量特定参数，也可以用一种方法同时测量多个参数，对于每个参数的测量方法没有统一的标准。其次，不同医院在信息互联互通方面存在障碍，医联体医院内缺乏同质化，并且缺少资源共享平台[21]。因此建议未来伤口测量的统一标准和共识，使不同医院之间在伤口测量工具的选择、伤口测量指标的呈现以及伤口测量结果的记录等方面相一致；除此之外不同医院可借助医联体，糖尿病足联盟、以及移动健康平台等渠道实现信息互联互通，实现DFU测量标准及共识的共享以及DFU患者的全病程管理。

3.3 人工智能技术在DFU测量中崭露头角 随着移动健康及信息平台在医疗领域的迅速发展[21-23]，近年来人工智能的出现给DFU带来了新的机遇和挑战，人工智能是一种通过模拟人的智能活动，能够胜任需要人类智慧才能完成的复杂工作的人工系统，其价值在于可以独立思考，模仿人的思维进行决策[22]。目前已经运用到各类肿瘤、心血管疾病以及糖尿病其他并发症的治疗及护理，并取得了一定的成果[24]。但目前应用于DFU测量的仪器很少，仅包括Planimator应用程序[14]，自动评估系统和深度学习。Manu Goyal等学者[18]收集了1775张DFU图像的广泛数据库，并建立了强大的深度学习模型，它可以智能的测出DFU的长度、宽度和面积，更丰富地展示出DFU的真实情况，这也是首次实现深度学习在DFU测量领域的应用，显示出了人工智能在DFU测量领域的潜力，然而目前深度学习在DFU测量的应用甚少，因此，还需进一步进行验证其可靠性。